Resposta correta
- BRoot Mean Squared Error (RMSE)
Explicação
A raiz do erro quadrático médio (RMSE) é a métrica correta porque eleva os resíduos ao quadrado antes de tirar a média, o que amplifica desproporcionadamente o impacto de grandes erros (outliers) em comparação com pequenos erros. Isso se alinha diretamente com o requisito de negócios de penalizar fortemente grandes erros de previsão no modelo de regressão para consumo diário de eletricidade.
Para se aprofundar
As métricas de avaliação de regressão diferem principalmente em como ponderam as magnitudes dos resíduos. O MAE (L1) é robusto a outliers porque todos os erros são ponderados igualmente, enquanto o RMSE/MSE (L2) amplifica grandes erros quadraticamente, tornando-se um padrão comum quando desvios significativos são excessivamente dispendiosos. Um ponto sutil e frequentemente esquecido é que a otimização para RMSE assume que os erros alvo são aproximadamente normais com variância constante; se os dados reais contêm caudas pesadas ou outliers ruidosos, o modelo pode se distorcer para acomodá-los. Na prática, a escolha da métrica deve seguir a estrutura de custos do negócio: por exemplo, um erro de previsão de uma hora no prazo de entrega pode ser levemente irritante, mas um erro de dez horas não é meramente dez vezes pior, pois pode ser operacionalmente inaceitável, de modo que o RMSE captura essa urgência. Por outro lado, se algumas leituras anômalas forem esperadas e não devem ditar o comportamento do modelo, o MAE ou uma perda winsorizada é preferível. O R-squared é comumente lido erroneamente como uma métrica de erro, mas é uma comparação normalizada com uma média de referência e pode ser manipulado pela dispersão dos dados; o MAPE falha quando os valores reais se aproximam de zero e atribui peso assimétrico a previsões abaixo do real porque o denominador é o valor real. Para o exame AI-900, reconheça que o RMSE é a métrica explicitamente vinculada a 'penalizar erros maiores com mais força'.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.